基于专家知识的字典序优化决策方法及工业应用

为有效实现有色冶金配料过程的实时优化,首先根据氧化铝配料过程特点,建立一种字典序区间目标规划模型;然后通过整理长期积累的专家经验知识,构建了具有优先级的分类知识库;接着基于专家知识库的分类结构,提出一种字典序专家推理策略,以实现区间约束条件下的多质量指标的优化控制．工业应用结果表明,所提出的方法能够很好地实现生料浆质量的优化控制,为其他有色冶金工业配料过程的控制提供了一种优化模式．

     

Generic reconstruction technology based on RST for multivariate time series of complex process industries

In order to effectively analyse the multivariate time series data of complex process, a generic reconstruction technology based on reduction theory of rough sets was proposed. Firstly, the phase space of multivariate time series was originally reconstructed by a classical reconstruction technology. Then, the original decision-table of rough set theory was set up according to the embedding dimensions and time-delays of the original reconstruction phase space, and the rough set reduction was used to delete the redundant dimensions and irrelevant variables and to reconstruct the generic phase space. Finally, the input vectors for the prediction of multivariate time series were extracted according to generic reconstruction results to identify the parameters of prediction model. Verification results show that the developed reconstruction method leads to better generalization ability for the prediction model and it is feasible and worthwhile for application.     

多源异构数据库的集成的研究

本文简要介绍了在大型企业中普遍存在的多源异构数据库状况．及几种行之有效的数据集成方法,同时以一种用对照表完成结构差异较大的数据库数据转化方法为例．详细阐述了多源异构数据库数据转化和共享的思路。     

基于脉冲神经网络的钢材表面缺陷识别研究

目的 针对现有钢材缺陷识别算法特征图利用不充分、识别准确率低、参数量大等问题,基于脉冲神经网络,提出一种用于钢材缺陷识别的稠密卷积脉冲神经网络(DCSNN)模型,减少系统消耗和内存占用。方法 首先,采用卷积编码,对输入图片进行特征提取和编码。其次,采用稠密连接算法搭建稠密卷积脉冲神经网络,实现特征重复利用,抑制梯度消失,并通过替代梯度下降算法进行网络训练。最后,在带钢数据集上进行测试,实现带钢缺陷识别。结果 实验结果显示,DCSNN在测试集上的准确率为98.61%,参数量为0.5万,结论 在钢材表面缺陷识别问题上表现出良好效果。     

利用OPC实现VC应用程序与PLC的数据交换

本文基于OPC（OLE for Process Control）技术的基本原理，重点介绍了通过组组态软件RSView32应用程序与PLC的通信方法；详细介绍了RSView32作为OPC服务器的设置方法和VC作为OPC客户的实现代码。     

污泥纠缠环境下机器人视觉摆脱规划路径方法

传统路径规划算法针对多目标情况,主要依据多单一信息融合结果选择避障路径,在中规模的污泥纠缠区域中容易陷入盲区,无法对污泥纠缠环境下的机器人路径进行准确的规划。为此提出一种改进的机器人视觉纠缠摆脱路径规划方法,借助机器人视觉仪器采集污泥纠缠特征,用归一化方法把视觉信息融入到规划模型中进行最佳路径的选择,将机器人摆脱污泥纠缠以及最短路径的要求融合成一个适应度函数,通过遗传算法搜索获取最佳机器人摆脱路径。实验结果说明,该方法对于污泥纠缠环境下机器人摆脱路径规划长度以及效率都优于传统模型,具有较高的鲁棒性。     

助行器起坐系统优化模型研究

以患者的舒适度和系统运行效率为优化目标,对起坐系统进行了优化设计。先介绍了助行器起坐系统的原理和结构,分析了其主要元器件的数学模型,基于变分法构建了助行器起坐系统的优化模型。运用MATLAB建立了系统仿真模型,仿真结果表明:该优化模型是有效的。     

流程工业配料过程的随机优化模型及求解算法

针对配料过程原料质量参数存在的不确定性,以原料消耗成本最小为优化目标,将不确定质量参数以随机数的形式引入质量指标约束中,建立了一种配料过程随机优化模型．考虑传统蒙特卡洛抽样方法的不足,采用一种更高效的Hammersley sequence sampling（HSS）技术,获得随机优化模型对应的期望值优化模型．将HSS技术用于遗传算法的种群初始化和交叉、变异操作,以保证种群分布的均匀性,实现随机优化问题的有效求解．工业应用实验结果表明,所提方法不仅能够有效降低原料的消耗成本,而且能够保证产品质量指标满足生产要求,优化结果具有较好的鲁棒性,为配料过程的随机优化控制提供了一个优化模式．     

非线性时间序列粒子群优化B样条网络预测模型

为了提高非线性时间序列的预测精度,建立一种粒子群优化B样条网络预测模型。在设计网络结构时,设置样条基函数节点作为独立变量,然后使其与权值参数在网络训练过程中一同优化,并且使用预测误差平方和评价训练效果。采用粒子群算法与适当的搜索策略作为训练算法,对B样条基函数最优节点的分布进行搜索,同时寻优权值参数,使网络结构得到优化,进而对非线性时间序列进行预测。仿真结果表明,粒子群优化B样条网络预测模型具有良好的泛化性能,同时所用算法对网络进行了有效的优化,所建预测模型结构简单且预测精度较高。     

氧化铝生料浆配料过程不确定实时优化方法及应用

针对氧化铝生料浆配料过程中存在成分信息不完备,工况变化规律难统计等诸多不确定性的特点,提出一种从建模和优化计算两个层次上弱化不确定性的实时优化方法,采用神经网络、物料平衡建立生料浆质量主规律预测模型,再利用灰色理论对模型的偏差数据进行信息挖掘,补偿不确定因素的影响;然后,基于质量预测模型,提出一种专家分级推理机制实现不确定环境下的配比优化,提高入槽生料浆质量,实现了生料浆质量指标的优化控制,其中碱比[N/R]的合格率达到了99%,钙比[C/S]和铝硅比A/S分别达到了96%和94%,并简化了生产工艺,有效降低了能耗,为存在信息不确定性的长流程工业过程的优化控制提供了新思路.